第42卷第02期2023年02月煤炭技术CoalTechnologyVol.42No.02Feb.2023doi:10.13301/j.cnki.ct.2023.02.0420引言矿井提升机作为煤矿生产中集机、液、电一体化的大型矿井生产设备之一，一旦出现故障将严重威胁工作人员生命安全，影响生产效率。因此，对于矿井提升机健康状态预测是保障煤矿开采不间断性和人员工作安全性亟待解决的问题。目前对于矿井提升机健康状态预测主要基于振动、电流和声纹信号进行分析。基于振动信号的故障诊断方法必须采用接触式传感器采集，这在大型机械特别是井下复杂环境中具有一定的局限性；基于电流信号的故障诊断方法只能对有限的故障进行分析，诊断面窄；基于声纹信号采用非接触式测量的方法，对于故障发生的敏感性高，前兆信息特征明显。因此，本文选用声纹信号作为原始信号输入，构建DRSN-GRU-Attention混合神经网络模型实现矿井提升机健康状态预测。1声纹信号时域特征处理1.1声纹信号预处理（1）滤波降噪由于井下环境复杂，拾音器采集到的原始声纹信号伴随大量非相关噪声，结合矿井提升机所处环境，考虑到提升机工作特性，本文采用自适应滤波降噪法消除声纹信号中的噪声信号，突出有用信号，自适应调节滤波器降噪法误差序列e（n）=d（n）-Ni=1ΣwiXi（m）（1）基于声纹深度时序的矿井提升机健康状态预测*王锋1，李敬兆1，王国锋2，郑昌陆3(1.安徽理工大学电气与信息工程学院，安徽淮南232001；2.淮河能源集团股份有限公司，安徽淮南232001；3.上海申传电气股份有限公司，上海201800)摘要：矿井提升机健康状态预测是保障煤矿安全稳定开采的重要方法。传统利用接触式传感器采集状态信号存在安装不便、误差大等弊端。针对上述问题，提出基于声纹深度时序的矿井提升机健康状态预测方法。利用非接触式传感器采集提升机声纹信号，通过自适应滤波降噪、预加重和分帧加窗等方法预处理；采用MFCC算法提取13维信号特征；构建DRSN-GRU-Attention神经网络预测模型实现健康状态预测，与DRSN，GRU，DRSN-GRU模型对比，验证该模型对提升机健康状态预测性能更优。关键词：故障预测；声纹识别；神经网络；矿井提升机中图分类号：TD534文献标志码：A文章编号：1008－8725（2023）02－179－04ResearchonPredictionMethodofMineHoistOperationStateBasedonTimeSeriesFeaturesofVoiceprintDepthWANGFeng1，LIJingzhao1，WANGGuofeng2，ZHENGChanglu3（1.SchoolofElectricalandInformationEngineering,AnhuiUniversityofScienceandTechnology...
